DeepSeek V4 Flash从预览版到正式版，性能飞跃的核心秘密藏在后训练环节，尤其是GRPO（群组相对策略优化）算法。GRPO去掉了传统PPO中的价值函数模型，通过在组内计算相对优势而非全局绝对值，大幅降低了显存开销和训练成本。DeepSeek R1的论文曾展示，用GRPO对V3进行强化学习后，AIME 2024数学测试正确率直接从15.6%飙升到71%。Flash版正是复用了这套方法论，让一个轻量模型在多项基准上追平了旗舰级对手。

DeepSeek Harness不是第一个Agent工具，也不会是最后一个。硅谷这边，Anthropic的Claude Code已深度嵌入终端，让开发者用自然语言就能重构代码库、调试微服务，被形容为「不知疲倦的结对编程伙伴」。Google则力推Codex，主打编程与日常办公一体化。同一市场，三套策略：Claude Code押注开发者终端体验，Google走整合生态，DeepSeek Harness从量化交易背景的工程效率切入，可能把金融场景的毫秒级容错逻辑带到Agent编排中。谁先跑通「模型+Harness」的闭环，谁就能定义下一代AI工作流。

V4 Flash已展现出惊人的性价比，但文章末尾埋了一个更值得关注的悬念：如果DeepSeek把同样一套后训练+Harness方案套在更强的V4 Pro上会怎样？V4 Pro总参数1.6T、激活参数49B，支持1M上下文，Agent能力在SWE Verified评测中拿到80.6分。但受限于高端算力，Pro服务吞吐目前十分有限。关键变量有两处：一是华为昇腾950超节点预计2026年下半年批量上市，届时Pro价格可能大幅下调；二是Harness内测已在8月初启动，正式版与V4 Pro的同步发布或许是下一个引爆点。

DeepSeek Harness的团队负责人崔添翼，曾有九年Jane Street量化交易经验。这个背景值得追问：为什么一个量化老手来带队做Agent工具？Harness项目在DeepSeek内部被定义为「模型之外的一切」——负责多Agent协同编排、任务拆解、记忆管理、工具调用和结果校验。行业数据显示，同一模型搭配不同Harness，单次任务成本可从40美元级降至4美元级。DeepSeek的底牌可能是：把量化交易中「极致压榨工程效率」的基因，注入到Agent系统的成本控制中。如果这套方法论跑通，Flash的2元/百万token可能只是开始，更便宜的Agent级服务才是真正的核弹。